Jeki, Zendi Apri (2020) IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI KONTEN BERITA BAHASA INDONESIA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (174kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (544kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (429kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (960kB) |
|
Text (BAB V)
BAB V.pdf Download (61kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (147kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code 15.11.9300 Zendi Apri Jeki.zip Restricted to Repository staff only Download (136kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (921kB) |
Abstract
Kebutuhan analisis text mining sangat diperlukan dalam menangani teks berjumlah besar dan tidak terstruktur (Big data). Salah satu kegiatan penting dalam text mining adalah klasifikasi atau kategorisasi teks. Analisis text mining dilakukan agar mempermudah kita dalam mengambil informasi atau mengolah informasi yang begitu banyak dari dunia internet atau digital, salah satunya dengan melakukan klasifikasi. Kategorisasi teks memiliki berbagai pendekatan antara lain pendekatan probabilistic, support vector machine, artificial neural network, atau decision tree classification. Dalam pembelajaran statistik. Support Vector Machine dipilih karena metode ini memiliki kelebihan dalam bidang klasifikasi dengan bantuan fungsi kernel. Pada penelitian ini support vector machine akan mengelompokkan berita berdasarkan kategori menjadi 3 bagian atau class yaitu : politik, kuliner dan sepakbola. Kernel pada Support Vector Mechine akan di kombinasikan dengan pembobotan tf-idf dan preprocessing data. Dengan trik kernel, metode pembobotan, dan preprocessing data diharapkan dapat membantu klasifikasi teks dengan baik serta mampu meningkatkan akurasi. Pengujian dilakukan menggunkan confusion matrix klasifikasi dengan metode support vektor machine dengan kernel linear mendapat rata-rata akurasi 92,7%, kemudian dengan kernal rbf mendapat rata-rata akurasi sebesar 92,3%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | tf-idf, Text mining, SVM, Preprocessing, Klasifikasi, Konten berita | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 23 Oct 2023 01:27 | ||
| Last Modified: | 23 Oct 2023 01:27 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/21652 |
Actions (login required)
 |
View Item |